基于ε-SVR的JPEG无参考图像质量评价

来源 :计算机应用与软件 | 被引量 : 2次 | 上传用户:leezuo
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了更准确地评价无参考的JPEG图像的质量,提出一种基于ε-支持向量回归机(ε-SVR)的评价方法。考虑到亮度能更好地反映块平坦度的平坦区域情况,而纹理对块效应失真的影响较大,提出利用亮度对比度对块平坦度加权,纹理复杂度对块效应失真加权,得到更符合人眼特性的综合特征,再采用ε-SVR进行预测得到客观评价值——支持向量回归客观得分(SVROS)。实验结果表明,提取的特征能很好地反映人类视觉系统(HVS)特性,采用ε-SVR方法得出的客观评价结果与恶化平均意见得分DMOS(Degredation Mea
其他文献
随着信息结构的日益复杂,单种聚类算法已经无法满足需求,集成聚类便发挥了巨大的作用。对于不同的划分,当前集成聚类算法都将其视为整体,其过程中会有信息损失。利用局部一致的特性,局部一致性集成聚类算法在非负矩阵分解的框架下得以产生。实验结果表明了该方法的有效性。
介绍一种带钢表面缺陷计算机视觉在线检测系统。系统采用DSP(数字信号处理器)和FPGA(现场可编程逻辑门阵列)相结合的技术,实现对钢板内气泡、夹杂物、结疤、划伤和压痕等缺陷
DV-Hop定位方法用跳距代替测距,而后利用信标节点进行定位。它具有硬件要求低、计算和通信开销不高且容错性能较好的特性,因而被广泛运用到各个定位系统中。但其定位常常受到信标节点摆放位置和噪声的影响,使得定位结果较差。通过对DV-Hop定位过程的分析,利用机器学习中的主成分分析方法处理信标节点随机摆放所产生的复共线性问题,同时可以消除部分噪声,使得未知节点估计值具有较小的均方差,进而提高定位的精度。